Analisis Sentimen Aplikasi E-Commerce Blibli pada Google Playstore Menggunakan Model RoBERTa

Abstract

Perkembangan e-commerce di Indonesia telah mengubah perilaku masyarakat dalam berbelanja secara daring, sehingga ulasan pengguna pada Google Play Store menjadi sumber informasi penting untuk mengevaluasi kualitas layanan aplikasi. Salah satu aplikasi e-commerce yang banyak digunakan adalah Blibli, sehingga diperlukan analisis sentimen untuk memahami persepsi pengguna secara lebih komprehensif. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi Blibli dengan mengklasifikasikan opini ke dalam kategori positif, negatif, dan netral menggunakan model RoBERTa (Robustly Optimized BERT Pretraining Approach). Penelitian menerapkan metode Knowledge Discovery in Database (KDD) yang meliputi tahapan data selection, preprocessing, transformation, data mining, dan evaluation. Dataset yang digunakan terdiri atas 7.998 ulasan berbahasa Indonesia yang diperoleh melalui teknik web scraping pada Google Play Store. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa sebelum dilakukan data augmentation, model memperoleh akurasi sebesar 81% dengan F1-score 0,85 pada kelas positif dan 0,83 pada kelas negatif, namun belum mampu mengidentifikasi kelas netral. Setelah diterapkan data augmentation, akurasi menjadi 78%, tetapi kemampuan klasifikasi menjadi lebih seimbang dengan F1-score 0,84 untuk kelas positif, 0,77 untuk kelas negatif, dan 0,68 untuk kelas netral. Dengan demikian, model RoBERTa terbukti efektif untuk analisis sentimen ulasan aplikasi Blibli, sedangkan penerapan data augmentation mampu meningkatkan keseimbangan performa klasifikasi pada seluruh kategori sentimen meskipun terjadi sedikit penurunan akurasi.

GS Cited Analysis